發(fā)布時(shí)間：2022-01-17 10:09

　　軟測(cè)量技術(shù)就是根據(jù)工業(yè)過(guò)程知識(shí)合理地選擇其它易測(cè)變量,建立易測(cè)變量與難測(cè)變量間的軟測(cè)量模型對(duì)難測(cè)變量進(jìn)行最優(yōu)估計(jì),有效解決了在高溫、密閉等惡劣環(huán)境下,由于硬件傳感器的局限性而無(wú)法對(duì)那些重要過(guò)程變量進(jìn)行直接測(cè)量的問(wèn)題。軟測(cè)量技術(shù)為現(xiàn)有傳感器的檢測(cè)和控制提供了有效手段,因而成為當(dāng)前復(fù)雜工業(yè)控制領(lǐng)域的研究熱點(diǎn)。近年來(lái),隨著智能學(xué)習(xí)算法的飛速發(fā)展,將深度學(xué)習(xí)應(yīng)用到復(fù)雜工業(yè)現(xiàn)場(chǎng)已經(jīng)成為熱門研究方向。本文利用深度學(xué)習(xí)強(qiáng)大的學(xué)習(xí)能力,將軟測(cè)量技術(shù)和深度學(xué)習(xí)相結(jié)合,提出一種基于深度學(xué)習(xí)的復(fù)雜工業(yè)過(guò)程軟測(cè)量方法,并將此模型用于回轉(zhuǎn)式空氣預(yù)熱器轉(zhuǎn)子熱變形預(yù)測(cè)中,為轉(zhuǎn)子漏風(fēng)技術(shù)提供較為準(zhǔn)確的熱變形量。本文具體研究如下:（1）本文首先將電廠600MW機(jī)組電站鍋爐空氣預(yù)熱器的現(xiàn)場(chǎng)數(shù)據(jù)進(jìn)行采集。然后采用灰色關(guān)聯(lián)分析（Grey Relational Analysis,GRA）方法選取對(duì)轉(zhuǎn)子熱變形有顯著影響的變量,為模型訓(xùn)練提供可靠的輸入變量。最后將數(shù)據(jù)進(jìn)行篩選以及歸一化等操作,將處理后的數(shù)據(jù)利用“留出法”選取互斥的訓(xùn)練集和測(cè)試集作為網(wǎng)絡(luò)模型樣本數(shù)據(jù)。通過(guò)選定的樣本數(shù)據(jù),可以在同一樣本數(shù)據(jù)集的前提下,進(jìn)行不同模型方法... 

【文章來(lái)源】：西安理工大學(xué)陜西省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

軟測(cè)量模型結(jié)構(gòu)圖

西安理工大學(xué)工程碩士專業(yè)學(xué)位論文4圖1-2回轉(zhuǎn)式空氣預(yù)熱器結(jié)構(gòu)示意圖Fig.1-2Schematicdiagramofrotaryair-preheater1.2.2轉(zhuǎn)子熱變形漏風(fēng)原理空氣預(yù)熱器的空氣側(cè)壓力大于煙氣側(cè)壓力，兩側(cè)的壓力差一般為8-10kPa。為了保證轉(zhuǎn)子能夠平穩(wěn)轉(zhuǎn)動(dòng)，需要在轉(zhuǎn)子與固定外殼之間留有間隙。當(dāng)預(yù)熱器熱態(tài)工作時(shí)，高溫?zé)煔馔ㄟ^(guò)上部煙氣通道進(jìn)入轉(zhuǎn)子，并與內(nèi)部傳熱元件換熱，從而使轉(zhuǎn)子熱端的溫度升高。而轉(zhuǎn)子冷端由于沒(méi)有發(fā)生熱量交換，因此溫度較低。轉(zhuǎn)子冷、熱端的溫度差使轉(zhuǎn)子內(nèi)部形成溫度梯度，從而產(chǎn)生變形間隙，通常稱為“蘑菇狀”變形。空氣預(yù)熱器轉(zhuǎn)子熱變形如圖1-3所示。如果轉(zhuǎn)子在冷態(tài)下沒(méi)有調(diào)整間隙，則在熱態(tài)工作時(shí)某些地方的間隙會(huì)增加，而在某些地方間隙會(huì)變校在這種情況下，不但會(huì)使預(yù)熱過(guò)的空氣泄露，而且還可能引起摩擦甚至卡塞，嚴(yán)重時(shí)甚至?xí)绊憴C(jī)組的安全以及穩(wěn)定運(yùn)行狀態(tài)。由于預(yù)熱器內(nèi)部元件的溫度不同，因此產(chǎn)生的熱膨脹量和方向也不同。轉(zhuǎn)子端面的徑向間隙為各變量綜合作用的結(jié)果，并且鍋爐負(fù)荷越高，徑向間隙變化越大。例如，600MW的預(yù)熱器的徑向間隙最大可達(dá)50mm。由于冷空氣側(cè)的壓力高，而熱煙氣側(cè)的壓力低，因此，熱變形產(chǎn)生的間隙和冷、熱流體間的壓差會(huì)導(dǎo)致漏風(fēng)。煙氣側(cè)漏入空氣過(guò)多，不僅會(huì)增加電耗，而且會(huì)減少燃料供風(fēng)量，使鍋爐負(fù)荷下降，從而影響機(jī)組的安全及穩(wěn)定。因此，在機(jī)組運(yùn)行過(guò)程中，如何準(zhǔn)確地檢測(cè)空氣預(yù)熱器轉(zhuǎn)子的變形量，并通過(guò)自動(dòng)調(diào)節(jié)裝置將漏風(fēng)降至最低，是漏風(fēng)控制需要解決的主要問(wèn)題[13,14]。

第1章緒論5圖1-3回轉(zhuǎn)式空氣預(yù)熱器轉(zhuǎn)子熱變形示意圖Fig.1-3Rotorthermaldeformationdiagramofrotaryairpreheater1.2.3漏風(fēng)控制的重點(diǎn)和難點(diǎn)由于空氣預(yù)熱器內(nèi)部溫度高、環(huán)境封閉，煙氣中還含有大量的爐灰、粉塵和腐蝕性氣體，環(huán)境惡劣、復(fù)雜，嚴(yán)重影響了測(cè)量傳感器的可靠工作。例如，空氣預(yù)熱器內(nèi)部溫度高達(dá)400℃，大大超過(guò)了傳感器正常工作的溫度極限；空氣預(yù)熱器內(nèi)部含有大量煙氣帶來(lái)的爐灰、粉塵和腐蝕性氣體，長(zhǎng)時(shí)間工作時(shí)，傳感器的金屬部件會(huì)遭到腐蝕性氣體的腐蝕而損壞，從而造成傳感器本身的損壞；由于空氣預(yù)熱器工作時(shí)內(nèi)部處于密閉、高溫的狀態(tài)，當(dāng)傳感器發(fā)生故障時(shí)，一般難以進(jìn)行維護(hù)和更換。在工程實(shí)際中對(duì)于轉(zhuǎn)子變形的漏風(fēng)問(wèn)題有多種解決方案，但無(wú)論利用機(jī)械接觸式測(cè)量方法還是利用傳感器非接觸檢測(cè)方法，都會(huì)因?yàn)槭褂铆h(huán)境差、維護(hù)要求高而不同程度地影響其實(shí)際使用效果�？諝忸A(yù)熱器間隙測(cè)量尤其在高溫的環(huán)境下，大多數(shù)傳感器無(wú)法使用，可選擇的余地較小，直接可以測(cè)量的只有電渦流傳感器，但是探頭線圈工作在高溫環(huán)境下時(shí)導(dǎo)致渦流傳感器的壽命大大地降低，甚至根本無(wú)法適應(yīng)[15]。近年來(lái)，隨著智能學(xué)習(xí)算法的發(fā)展，也為解決因轉(zhuǎn)子變形而造成的漏風(fēng)問(wèn)題這一問(wèn)題提供了新的思路。即，當(dāng)鍋爐負(fù)荷發(fā)生變化時(shí)，由于受熱溫度的變化，導(dǎo)致空氣預(yù)熱器轉(zhuǎn)子產(chǎn)生變形，不同的溫度會(huì)產(chǎn)生不同的變形量。同時(shí)，轉(zhuǎn)子受熱變形是一個(gè)緩慢的過(guò)程，若能夠通過(guò)采集實(shí)際系統(tǒng)的運(yùn)行數(shù)據(jù)實(shí)驗(yàn)，分析轉(zhuǎn)子變形量與諸如溫度、風(fēng)壓等物理量的關(guān)系，即可獲得漏風(fēng)間隙與相關(guān)參數(shù)的關(guān)系模型，這樣就可以依據(jù)此模型實(shí)施對(duì)漏風(fēng)間隙的調(diào)整，實(shí)現(xiàn)所謂非測(cè)量漏風(fēng)控制[16]。1.3課題研究現(xiàn)狀隨著軟測(cè)量技術(shù)的發(fā)展，其建模理論和過(guò)程優(yōu)化方面都取得了巨大進(jìn)步。隨?

【參考文獻(xiàn)】：
期刊論文
[1]Advanced algorithms for retrieving pileup peaks of digital alpha spectroscopy using antlions and particle swarm optimizations[J]. Mohamed S.ElTokhy.  Nuclear Science and Techniques. 2020(04)
[2]基于DBN特征提取的雷達(dá)輻射源個(gè)體識(shí)別[J]. 徐宇恒,程嗣怡,董曉璇,周一鵬,董鵬宇.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(06)
[3]基于GA-SVR的海水養(yǎng)殖過(guò)程軟測(cè)量建模[J]. 李康,王魏,林少涵.  控制工程. 2019(11)
[4]粒子群算法和支持向量機(jī)的網(wǎng)絡(luò)入侵檢測(cè)[J]. 余森,趙冉.  微型電腦應(yīng)用. 2019(09)
[5]粒子群優(yōu)化算法中慣性權(quán)重改進(jìn)策略綜述[J]. 楊博雯,錢偉懿.  渤海大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(03)
[6]基于深度置信網(wǎng)絡(luò)的電力系統(tǒng)擾動(dòng)后頻率曲線預(yù)測(cè)[J]. 仉怡超,聞達(dá),王曉茹,林進(jìn)鈿.  中國(guó)電機(jī)工程學(xué)報(bào). 2019(17)
[7]基于深度置信網(wǎng)絡(luò)的電力負(fù)荷識(shí)別[J]. 徐春華,陳克緒,馬建,劉佳翰,吳建華.  電工技術(shù)學(xué)報(bào). 2019(19)
[8]基于深度學(xué)習(xí)的復(fù)雜化工過(guò)程軟測(cè)量模型研究與應(yīng)用[J]. 耿志強(qiáng),徐猛,朱群雄,韓永明,顧祥柏.  化工學(xué)報(bào). 2019(02)
[9]回轉(zhuǎn)式空氣預(yù)熱器漏風(fēng)分析及安裝質(zhì)量控制要點(diǎn)[J]. 周鍇.  中國(guó)石油和化工標(biāo)準(zhǔn)與質(zhì)量. 2018(20)
[10]基于深度集成支持向量機(jī)的工業(yè)過(guò)程軟測(cè)量方法[J]. 馬建,鄧曉剛,王磊.  化工學(xué)報(bào). 2018(03)

碩士論文
[1]基于深度學(xué)習(xí)的工業(yè)過(guò)程軟測(cè)量[D]. 伊金靜.浙江大學(xué) 2019
[2]基于支持向量機(jī)的煤粉顆粒度在線軟測(cè)量研究[D]. 黃平平.華北電力大學(xué)(北京) 2017
[3]深度學(xué)習(xí)算法在軟測(cè)量建模中的應(yīng)用研究[D]. 毛佳敏.南京郵電大學(xué) 2016
[4]電廠鍋爐空氣預(yù)熱器漏風(fēng)研究與改造[D]. 韓少非.大連理工大學(xué) 2015
[5]基于粒子群優(yōu)化神經(jīng)網(wǎng)絡(luò)的電力短期負(fù)荷預(yù)測(cè)研究[D]. 姜林.遼寧工程技術(shù)大學(xué) 2011



本文編號(hào)：3594539